नेविगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Z.ai: GLM 5.2

GLM 5.2 (medium) average score में आगे है: 7.8 vs 7.8. GLM 5.2 (medium) की benchmark लागत कम है: $0.213 vs $2.077. Claude Opus 4.8 (low) तेज है: 12.74s vs 23.28s, pass rates 80.3% vs 80.3%.

अनुशंसित मॉडलGLM 5.2 (medium)It has the best score here (7.8), while costing about 9.8x less than Claude Opus 4.8 (low).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low रिलीज़: 2026-05-28 GLM 5.2 GLM 5.2 medium रिलीज़: 2026-06-17
स्कोर 7.8 7.8
रैंक #39 #36
विश्वसनीयता 10.0 9.5
संगति 8.9 8.0
सही परीक्षण
प्रति प्रयास पास दर 80.3% 80.3%
अस्थिर टेस्ट 3 4
कुल रन 66 63
प्रति परिणाम लागत 12.979 2.159
कुल लागत $2.077 $0.213
इनपुट कीमत $5.000 / 1M $0.919 / 1M
आउटपुट कीमत $25.000 / 1M $2.887 / 1M
कुल इनपुट टोकन 156,525 37,199
आउटपुट टोकन 43,141 12,261
रीजनिंग टोकन 8,617 49,500
प्रतिक्रिया समय (औसत) 12.74s 23.28s
प्रतिक्रिया समय (अधिकतम) 127.97s 101.36s
प्रतिक्रिया समय (कुल) 280.29s 488.94s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#39 Claude Opus 4.8

low
लागत
$0.031
समय
14.1s
टोकन
1,345 tok

#36 GLM 5.2

medium
लागत
$0.041
समय
195.8s
टोकन
9,287 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123

त्वरित तुलना

तुलना जोड़ी बदलें